CN109932009B - 一种分布式自来水管网损耗监测***及方法 - Google Patents
一种分布式自来水管网损耗监测***及方法 Download PDFInfo
- Publication number
- CN109932009B CN109932009B CN201811008182.1A CN201811008182A CN109932009B CN 109932009 B CN109932009 B CN 109932009B CN 201811008182 A CN201811008182 A CN 201811008182A CN 109932009 B CN109932009 B CN 109932009B
- Authority
- CN
- China
- Prior art keywords
- water
- water supply
- region
- pipe network
- regional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000008399 tap water Substances 0.000 title claims abstract description 29
- 235000020679 tap water Nutrition 0.000 title claims abstract description 29
- 238000012544 monitoring process Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 149
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 238000004891 communication Methods 0.000 claims abstract description 5
- 230000002354 daily effect Effects 0.000 claims description 29
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000001595 flow curve Methods 0.000 claims description 2
- 230000001737 promoting effect Effects 0.000 abstract 1
- 230000003321 amplification Effects 0.000 description 7
- 238000003199 nucleic acid amplification method Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Examining Or Testing Airtightness (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种分布式自来水管网损耗监测***，包括，建立了由远程服务器、区域供水总表和区域内的用户水表构成的自来水管网监测***，区域供水总表和用户水表上装有具有窄带物联网通信功能的智能终端，该智能终端定时向远程服务器发送流量数据，远程服务器进行模型预测和计算分析，识别管网流量异常的区域，向区域自来水管理者发出报警。监测***内的智能终端可实时发送各区域、各用户的用水数据到远程服务器，服务器再根据区域内用户用水量和区域供水量对各区域的用水情况进行建模、预测和分析，可快速定位管道漏损区域并报警，节省大量人力成本，对降低水损具有显著促进作用。
Description
技术领域
本发明属于分布式自来水管网损耗监测***技术领域，具体涉及一种分布式自来水管网损耗监测***及方法。
背景技术
自来水损耗问题一直是供水企业最为关注的问题。即使在我国城市地区，供水管网漏损也相当严重，据统计平均水平在20%左右，有的城市漏失率高达40%以上。农村的管网水损则更高。
现有的管网漏损监测方法往往除了在供水端总管安装流量计外，还要在各支路管网的入口处安装流量计，通过比较两者的差值来判断漏损情况。由于流量计数量多，造成投资和维护成本都很高。虽然在各终端用户装有自来水表，但由于目前普遍采用人工抄表方式，无法准确统计在相同一段时间内的总用水量，因而无助于漏损计算与诊断。近年来，随着物联网技术的快速发展，在流量计和水表中安装无线物联网智能终端，可以实时发送用水量数据，在省去抄表等繁重工作的同时，还可以借此进行自来水管网漏损监测。
发明内容
本发明的目的在于提供一种分布式自来水管网损耗监测***及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种分布式自来水管网损耗监测***，建立了由远程服务器、区域供水总表和区域内用户水表构成的自来水管网监测***，区域供水总表和用户水表上装有具有窄带物联网（NB-IoT）通信功能的智能终端，定时向远程服务器发送流量数据；远程服务器进行模型预测和计算分析，识别管网流量异常的区域，向区域自来水管理者发出报警。
一种分布式自来水管网损耗监测***的使用方法，具有以下步骤：
S1、用户水表通过智能终端定时向远程服务器发送当前水表累积流量；
S2、远程服务器建立区域管网流量模型，根据该区域每个用户发送的当前水表累积流量及历史累积流量，计算当前总用水累积流量，预测该区域当前总用水量的上、下限阈值；
S3、区域总表通过智能终端定时向数据库服务器发送当前总供水流量；
S4、远程服务器将该区域当前总供水流量与区域总用水量上、下限阈值进行比较，若总供水流量超出区域总用水量上、下限阈值，则发出水管泄漏报警；
S5、若当前总供水流量在区域总用水量上、下限阈值范围内，而当日供水量的增幅超过设定的阈值，远程服务器发出水管泄漏报警；
S6、若当前总供水流量在区域总用水量上、下限阈值范围内，且在设定的时间范围内，用水累积流量曲线波动频率超过设定的阈值，远程服务器发出水管泄漏报警。
本发明中需要对区域管网流量建模，采用自回归滑动平均建模(ARIMA)， 具有以下步骤：
a、取该区域过去一年每天的流量数据；
b、将数据进行去趋势运算；
c、检测数据是否平稳，若平稳，转到步骤S5，否则向下执行；
d、将数据进行差分运算，转到步骤S3；
e、将得到的平稳时间序列分别求得自相关系数和偏自相关系数，自相关 系数曲线第一次穿过上置信区间的横轴值记为p，为数据本身的滞后数；偏自 相关系数曲线第一次穿过上置信区间的横轴值记为q，为预测误差的滞后数；
f、根据p，q，d的值进行建模，其中d为将数据处理成平稳时间序列所 经过的差分次数，得到模型如下：
其中，
为t时刻的预测值，μ为常数项，yt-i为t-i时刻的真实值， et-i为t-i时刻的预测误差，φi、θi为系数。
得到模型后，将一定时间的区域历史用水量输入模型进行预测，得到区域当前用水量，取预测值的130%作为该区域当前总用水量的上限阈值；取预测值的90%作为该区域当前总用水量的下限阈值，若区域当前日供水量超过总用水量上、下限阈值，则发出水管泄漏报警。
若当前总供水流量在区域总用水量上、下限阈值范围内，而当日供水量的增幅超过昨日供水量的10%，远程服务器发出水管泄漏报警。
根据过去15天的供水量，日供水量增幅大于前一日供水量5%的次数超过5次，发出水管泄漏报警。
有益效果：本发明构建了一种分布式自来水管网损耗监测***及方法，监测***内的智能终端可实时发送各区域、各用户的用水数据到远程服务器，服务器再根据区域内用户用水量和区域供水量对各区域的用水情况进行建模、预测和分析，可快速定位管道漏损区域并报警，节省大量人力成本，对降低水损具有显著促进作用。
附图说明
图1为本发明自来水管网监测***示意图；
图2为本发明自来水管网水损识别方法流程图；
图3为本发明区域管网流量建模流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本案例以某区域996户的用水情况为例，自来水管网监测网络如图1所示。首先在区域供水总表和用户水表上安装具有窄带物联网（NB-IoT）通信功能的智能终端，每天上传用水数据到远程服务器，远程服务器进行模型预测和计算分析，识别管网流量异常的区域，向区域自来水管理者发出报警。
本案例实施流程如图2所示，具体的实施步骤如下：
1）服务器收到区域每户截至2018年7月31日的累积用水量，并且与历史累积流量相减，得到每户在7月31日的当日用水量，如表1所示。将每户日用水量求和，得到区域日用水量为459.29m3。
表1某区域用户7月31日用水量（m3）
| 户号 | 当前累积用水量 | 历史累计用水量 | 当日用水量 |
| 1-1 | 4265.30 | 4264.64 | 0.66 |
| 1-2 | 3110.65 | 3110.10 | 0.55 |
| 2-1 | 1755.41 | 1754.85 | 0.56 |
| 2-2 | 2566.73 | 2566.06 | 0.67 |
| 3-1 | 2009.63 | 2009.14 | 0.49 |
| 3-2 | 380.75 | 380.50 | 0.25 |
| 4-1 | 1200.34 | 1200.04 | 0.30 |
| 4-2 | 617.47 | 615.47 | 2.00 |
| 5-1 | 920.35 | 920.02 | 0.33 |
| 5-2 | 1200.52 | 1200.26 | 0.26 |
| 6-1 | 2086.91 | 2086.51 | 0.40 |
| 6-2 | 249.22 | 249.22 | 0.00 |
| …… | …… | …… | …… |
| 498-1 | 4513.67 | 4513.57 | 0.10 |
| 498-2 | 4723.99 | 4723.99 | 0.00 |
2）读取区域日用水量过去一年的数据，采用经典的ARIMA时间序列分析法建立区域管网流量模型，建模过程如图3所示。经过去趋势和去周期运算后，根据数据的自相关系数和偏自相关系数取p=10，q=3，因为不经过差分运算数据就已经平稳，所以d=0。根据p，q，d这三个参数和平稳后的用水量数据，可以得到区域管网流量模型如下：
将区域日用水量最近30天的数据输入到区域管网流量模型中，算出区域日用水量的预测值，如表2所示。
表2区域管网日供水量及预测值（m3）
3）服务器收到区域总表发出的区域当前总供水量后，减去区域历史供水量，得到7月31日的区域日供水量为532.70m3。根据区域日用水量的预测值取区域日供水量的上、下限阈值分别为602.85和417.36，而532.70在此范围内，因此不发出水管泄漏报警。相反，只要区域日供水量不在上述合理区间范围，此时则发出水管泄露报警。
4）读取7月30日区域日供水量为547.10m3，将当日供水量532.70m3与其相减，得到增幅为-14.40m3。取阈值为7月30日区域日供水量的10%，为54.71m3，显然增幅小于阈值，不发出水管泄漏报警。如区域今日供水量为602.74m3，在日供水量的合理区间范围内，但与7月30日区域日供水量相减，得到增幅为55.64m3，大于阈值54.71，将发出水管泄漏报警。
5）读取过去15天的区域日供水量和增幅数据，如表3所示，计算区域日供水量增幅大于前一日供水量的5%的次数，只有7月17日这一次，小于阈值5，不发出水管泄漏报警。
表3区域日供水量的增幅（m3）
| 日期 | 区域日供水量 | 前一日供水量的5% | 增幅 |
| 7月17日 | 555.21 | 26.42 | 26.81 |
| 7月18日 | 571.74 | 27.76 | 16.53 |
| 7月19日 | 554.90 | 28.59 | -16.84 |
| 7月20日 | 558.67 | 27.75 | 3.77 |
| 7月21日 | 550.93 | 27.93 | -7.74 |
| …… | …… | …… | …… |
| 7月30日 | 547.23 | 27.55 | -3.70 |
| 7月31日 | 532.70 | 27.36 | -14.53 |
如过去一个月的区域日供水量和增幅数据如表4所示，区域日供水量增幅大于前一日供水量的5%的次数为6次，超过了阈值5，将发出水管泄漏报警。
表4区域日供水量的增幅（m3）
| 日期 | 区域日供水量 | 前一日供水量的5% | 增幅 | 状态 |
| 7月17日 | 555.21 | 26.42 | 26.81 | 异常 |
| 7月18日 | 571.74 | 27.76 | 16.53 | |
| 7月19日 | 554.90 | 28.59 | -16.84 | |
| 7月20日 | 585.67 | 27.75 | 30.77 | 异常 |
| 7月21日 | 550.93 | 29.28 | -34.74 | |
| 7月22日 | 588.67 | 27.75 | 33.77 | 异常 |
| 7月23日 | 550.93 | 29.43 | -37.74 | |
| 7月24日 | 585.92 | 27.55 | 34.99 | 异常 |
| 7月25日 | 558.64 | 29.30 | -27.28 | |
| 7月26日 | 589.61 | 27.93 | 30.97 | 异常 |
| 7月27日 | 559.40 | 29.48 | -30.21 | |
| 7月28日 | 589.68 | 27.97 | 30.28 | 异常 |
| 7月29日 | 551.00 | 29.48 | -38.68 | |
| 7月30日 | 547.23 | 27.55 | -3.77 | |
| 7月31日 | 532.70 | 27.36 | -14.53 |
本发明公开了一种分布式自来水管网损耗监测***及方法，建立了由远程服务器、区域供水总表和区域内用户水表构成的自来水管网监测***，区域供水总表和用户水表上装有具有窄带物联网通信功能的智能终端，定时向远程服务器发送流量数据；远程服务器进行模型预测和计算分析，识别管网流量异常的区域，向区域自来水管理者发出报警。本发明可快速找出管道漏损区域并报警，节省大量人力成本，对降低水损具有显著促进作用。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种分布式自来水管网损耗监测***的使用方法，包括，其特征在于：建立了由远程服务器、区域供水总表和区域内的用户水表构成的自来水管网监测***，区域供水总表和用户水表上装有具有窄带物联网通信功能的智能终端，该智能终端定时向远程服务器发送流量数据，远程服务器进行模型预测和计算分析，识别管网流量异常的区域，向区域自来水管理者发出报警；
具体包括以下步骤：
S1、用户水表通过智能终端定时向远程服务器发送当前水表累积流量；
S2、远程服务器建立区域管网流量模型，根据该区域每个用户发送的当前水表累积流量及历史累积流量，计算当前总用水累积流量，预测该区域当前总用水量的上、下限阈值；
S3、区域总表通过智能终端定时向数据库服务器发送当前总供水流量；
S4、远程服务器将该区域当前总供水流量与区域总用水量上、下限阈值进行比较，若总供水流量超出区域总用水量上、下限阈值，则发出水管泄漏报警；
S5、若当前总供水流量在区域总用水量上、下限阈值范围内，而当日供水量的增幅超过设定的阈值，远程服务器发出水管泄漏报警；
S6、若当前总供水流量在区域总用水量上、下限阈值范围内，且在设定的时间范围内，用水累积流量曲线波动频率超过设定的阈值，远程服务器发出水管泄漏报警；
对区域管网流量采用自回归积分滑动建模，具有以下步骤：
a、取该区域过去一年每天的流量数据；
b、将数据进行去趋势运算；
c、检测数据是否平稳，若平稳，转到步骤S5，否则向下执行；
d、将数据进行差分运算，转到步骤S3；
e、将得到的平稳时间序列分别求得自相关系数和偏自相关系数，自相关系数曲线第一次穿过上置信区间的横轴值记为p，为数据本身的滞后数；偏自相关系数曲线第一次穿过上置信区间的横轴值记为q，为预测误差的滞后数；
f、根据p，q，d的值进行建模，其中d为将数据处理成平稳时间序列所经过的差分次数，得到模型如下：
其中，
为t时刻的预测值，μ为常数项，yt-i为t-i时刻的真实值，et-i为t-i时刻的预测误差，φi、θi为系数，yt-i中“i”表示：1-p中的任一实数，et-i中“i”表示：1-q中的任一实数。
2.根据权利要求1所述的一种分布式自来水管网损耗监测***的使用方法，其特征在于：将一定时间的区域历史用水量输入模型后进行预测，得到区域当前用水量，取预测值的130％作为该区域当前总用水量的上限阈值；取预测值的90％作为该区域当前总用水量的下限阈值。
3.根据权利要求2所述的一种分布式自来水管网损耗监测***的使用方法，其特征在于：取昨日供水量的10％作为当日供水量增幅的阈值。
4.根据权利要求3所述的一种分布式自来水管网损耗监测***的使用方法，其特征在于：根据过去15天的供水量，日供水量增幅大于前一日供水量5％的次数超过5次，发出水管泄漏报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811008182.1A CN109932009B (zh) | 2018-08-31 | 2018-08-31 | 一种分布式自来水管网损耗监测***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811008182.1A CN109932009B (zh) | 2018-08-31 | 2018-08-31 | 一种分布式自来水管网损耗监测***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109932009A CN109932009A (zh) | 2019-06-25 |
| CN109932009B true CN109932009B (zh) | 2020-12-29 |
Family
ID=66984527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811008182.1A Active CN109932009B (zh) | 2018-08-31 | 2018-08-31 | 一种分布式自来水管网损耗监测***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109932009B (zh) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110307470B (zh) * | 2019-07-10 | 2021-04-13 | 哈尔滨工业大学 | 建筑用水器具关阀报警装置 |
| CN110597200A (zh) * | 2019-09-04 | 2019-12-20 | 重庆特斯联智慧科技股份有限公司 | 一种基于物联传感的供水信息分析方法和*** |
| CN111259334B (zh) * | 2020-01-14 | 2023-06-23 | 杭州电子科技大学 | 一种工业企业大用户用水异常监测预警方法 |
| CN111432366A (zh) * | 2020-03-19 | 2020-07-17 | 浙江清环智慧科技有限公司 | 基于嵌入式单片机明文报表式流量数据的处理方法及装置 |
| CN111521230A (zh) * | 2020-05-09 | 2020-08-11 | 广东省佳圣信息科技有限公司 | 一种可自检测的水表*** |
| CN111462467A (zh) * | 2020-06-18 | 2020-07-28 | 浙江和达科技股份有限公司 | 一种基于分区计量的供水数据的获取方法和获取*** |
| CN113850690A (zh) * | 2020-06-28 | 2021-12-28 | 林余臻 | 可移动房屋用水服务的评估和管理方法、*** |
| CN111932842B (zh) * | 2020-06-30 | 2022-06-14 | 上海威派格智慧水务股份有限公司 | 一种在线水表故障报警*** |
| CN111966020A (zh) * | 2020-08-26 | 2020-11-20 | 武汉征原电气有限公司 | 一种智能用水机组远程监视与诊断*** |
| CN112377821A (zh) * | 2020-09-27 | 2021-02-19 | 深圳市拓邦软件技术有限公司 | 基于智能水表平台大数据的管道漏损排查方法及*** |
| CN112559969B (zh) * | 2020-12-10 | 2022-04-29 | 北部湾大学 | 一种基于累积和算法的小泄漏检测方法 |
| CN112801812B (zh) * | 2020-12-29 | 2022-06-07 | 长江信达软件技术（武汉）有限责任公司 | 基于物联网和时间序列分析的农村供水运行检测方法 |
| CN112902144A (zh) * | 2021-03-22 | 2021-06-04 | 新奥数能科技有限公司 | 工业锅炉***水耗的监测方法、装置、电子设备和介质 |
| CN113177691A (zh) * | 2021-04-06 | 2021-07-27 | 山东秉恬信息科技有限公司 | 一种管网漏损分析算法 |
| CN113176758B (zh) * | 2021-04-26 | 2022-06-21 | 天津晨天自动化设备工程有限公司 | 智慧水务管网的数据采集监测预警维护方法及其*** |
| CN113737896A (zh) * | 2021-09-22 | 2021-12-03 | 武汉市志和达机械有限公司 | 一种智能节能变频供水***及其控制方法 |
| CN113834541A (zh) * | 2021-09-30 | 2021-12-24 | 杭州云润科技有限公司 | 一种城市水管网用量监测调控方法及*** |
| CN114383671B (zh) * | 2021-12-08 | 2023-02-28 | 深圳拓安信物联股份有限公司 | 一种基于电磁水表的供水管网漏损检测方法和*** |
| CN114219295A (zh) * | 2021-12-15 | 2022-03-22 | 深圳市润泽鑫技术有限责任公司 | 智能夜间水流量监测方法、***、装置以及存储介质 |
| CN115841398B (zh) * | 2023-01-03 | 2023-05-09 | 成都同飞科技有限责任公司 | 一种基于物联网的供水管网漏损分析方法及*** |
| CN116993047B (zh) * | 2023-07-31 | 2024-04-30 | 长江信达软件技术（武汉）有限责任公司 | 一种农村供水管网泄露风险监测预警方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1304030A (zh) * | 2000-01-11 | 2001-07-18 | 南宁市广通软技术公司 | 无线网络自动抄表装置 |
| JP2006338474A (ja) * | 2005-06-03 | 2006-12-14 | Matsushita Electric Ind Co Ltd | 情報端末装置、情報端末装置の再起動方法およびプログラム |
| CN101561304A (zh) * | 2009-05-18 | 2009-10-21 | 叶建能 | 一种仪表数据的监控处理方法、***及监控终端 |
| CN204301803U (zh) * | 2014-10-17 | 2015-04-29 | 扬州恒信仪表有限公司 | 水表远程监控*** |
| CN105095980A (zh) * | 2014-05-04 | 2015-11-25 | 黄山市黄山风景区供水有限公司 | 一种山岳景区用水优化调度方法 |
| KR101627963B1 (ko) * | 2015-02-13 | 2016-06-09 | (주) 지비스 | 수도 자동 검침 시스템 및 방법 |
| CN107086944A (zh) * | 2017-06-22 | 2017-08-22 | 北京奇艺世纪科技有限公司 | 一种异常检测方法和装置 |
-
2018
- 2018-08-31 CN CN201811008182.1A patent/CN109932009B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1304030A (zh) * | 2000-01-11 | 2001-07-18 | 南宁市广通软技术公司 | 无线网络自动抄表装置 |
| JP2006338474A (ja) * | 2005-06-03 | 2006-12-14 | Matsushita Electric Ind Co Ltd | 情報端末装置、情報端末装置の再起動方法およびプログラム |
| CN101561304A (zh) * | 2009-05-18 | 2009-10-21 | 叶建能 | 一种仪表数据的监控处理方法、***及监控终端 |
| CN105095980A (zh) * | 2014-05-04 | 2015-11-25 | 黄山市黄山风景区供水有限公司 | 一种山岳景区用水优化调度方法 |
| CN204301803U (zh) * | 2014-10-17 | 2015-04-29 | 扬州恒信仪表有限公司 | 水表远程监控*** |
| KR101627963B1 (ko) * | 2015-02-13 | 2016-06-09 | (주) 지비스 | 수도 자동 검침 시스템 및 방법 |
| CN107086944A (zh) * | 2017-06-22 | 2017-08-22 | 北京奇艺世纪科技有限公司 | 一种异常检测方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109932009A (zh) | 2019-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109932009B (zh) | 一种分布式自来水管网损耗监测***及方法 | |
| CN105811402B (zh) | 一种电力负荷预测***及其预测方法 | |
| CN103268524B (zh) | 一种提高电网短期负荷预测准确度的方法 | |
| CN111401582B (zh) | 一种生活污水处理设施异常识别方法及监控平台 | |
| CN105069527A (zh) | 一种基于数据挖掘技术的台区合理线损预测方法 | |
| CN110389267B (zh) | 一种低压台区台户关系识别方法 | |
| CN111259334B (zh) | 一种工业企业大用户用水异常监测预警方法 | |
| CN110889088A (zh) | 一种应用电力模型辅助的企业排污监管方法 | |
| CN116992385B (zh) | 一种物联网水表用量异常检测方法及*** | |
| CN111930790B (zh) | 一种基于时序分析的阀冷设备进阀温度预测方法 | |
| CN105740989B (zh) | 一种基于varx模型的供水管网异常事件侦测方法 | |
| CN110837933A (zh) | 基于神经网络的漏损识别方法、装置、设备及存储介质 | |
| CN113405026A (zh) | 一种适用于欠发达地区供水管网的新增漏损判别及其漏损率的估算方法 | |
| CN112818495A (zh) | 一种新型管道压降测算算法参数的动态修正方法 | |
| CN111859292A (zh) | 一种夜间用水活跃小区的供水漏损监测方法 | |
| CN117196120A (zh) | 一种用户用水行为分析算法 | |
| CN114048432B (zh) | 一种无实测径流资料地区生态流量计算方法 | |
| CN115146977A (zh) | 一种基于物联网的企业能效数据管理方法及*** | |
| CN113761794B (zh) | 基于时间序列预测算法补全污染因子的锅炉吹灰优化方法 | |
| CN113050573B (zh) | 一种基于生产节奏的空压机节能的方法 | |
| CN112493100B (zh) | 基于土壤水势的棉花水分监测滴灌控制方法及*** | |
| CN112559969A (zh) | 一种基于累积和算法的小泄漏检测方法 | |
| CN116956156A (zh) | 一种基于人工智能的污水处理智能曝气方法及*** | |
| CN116307886A (zh) | 一种企业生产状态的实时监测方法及装置 | |
| CN114110716B (zh) | 一种热电机组的运行能效监测控制***、方法、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |